Dans le monde des statistiques, les calculs, les hypothèses et les conclusions prévalent. Parmi tous les tests et résultats, les tests t et la valeur p sont les deux techniques d'hypothèse les plus déroutantes.
Alors que les deux se trouvent dans le même sous-ensemble de statistiques et fournissent une mesure supplémentaire d'hypothèse en plus d'être liés. Les deux tests ne sont pas les mêmes !
T-Test vs P-Value
La différence entre le test T et la valeur P est qu'un test T est utilisé pour analyser le taux de différence entre les moyennes des échantillons, tandis que la valeur p est effectuée pour obtenir une preuve pouvant être utilisée pour annuler l'indifférence entre les moyennes de deux échantillons.
Le test T fournit la différence entre deux mesures dans une plage normale, tandis que la valeur p se concentre sur le côté extrême de l'échantillon et fournit ainsi un résultat extrême.
Bien qu'ils soient interdépendants, les deux montrent divers aspects d'un échantillon et déterminent différents paramètres de la population à partir de laquelle les échantillons sont déduits.
Tableau de comparaison entre le test T et la valeur p (sous forme tabulaire)
| Paramètre de comparaison | Test T | Valeur P |
|---|---|---|
| Formulaire complet | Statistique de test | Valeur de probabilité |
| Direction des statistiques | Statistiques déductives | Statistiques déductives |
| Tests d'hypothèses | Oui | Oui |
| Moyennes des échantillons | en alternance | Null-Idem |
| Résultat | Différence de moyenne | Annulation des hypothèses nulles |
Qu'est-ce que le T-Test ?
Un T-Test est un test statistique qui détermine le taux de différence entre les moyennes de deux ensembles liés. Il entre dans la catégorie des statistiques qui se rapportent aux prédictions d'un échantillon d'une population.
Le test T peut être effectué sur un ensemble de données qui sont liées d'une manière ou d'une autre; la caractéristique commune peut être l'âge, la zone, la fourniture de services ou tout autre facteur de ce type. Deux hypothèses différentes ne peuvent pas être utilisées pour l'analyse T.
Les échantillons doivent être désignés au hasard pour déduire le résultat du test T. Alors que la taille de l'échantillon doit être telle qu'elle ressemble à une dispersion standard, les deux ensembles ayant des valeurs réparties sur la valeur moyenne dans la même proportion.
Les trois types célèbres de tests t sont: modèle d'échantillons appariés, un échantillon et des tests indépendants à deux échantillons.
Le test d'échantillons appariés est lorsque le test est effectué sur le même échantillon à des moments différents. Il s'agit d'en déduire l'impact des divers facteurs externes sur l'échantillon. Une comparaison de la productivité des travailleurs pendant les heures de jour avec celle des heures de nuit peut être effectuée à l'aide d'un test t à un échantillon.
Échantillonnage unique lorsqu'un facteur d'une certaine chose est comparé à la norme fournie. La comparaison de la durée de vie moyenne de l'ampoule et leur comparaison avec un échantillon d'ampoules pour en déduire la compétence de moyenne peuvent se faire grâce à cette mesure.
Un test d'échantillon autonome est un nom donné; lorsqu'un certain facteur des échantillons est prélevé; deux ensembles différents de données provenant de deux échantillons différents sont extraits. Les niveaux de QI entre les étudiants masculins et féminins peuvent être déduits en utilisant cette méthode.
Cette comparaison aide l'utilisateur à déchiffrer la relation entre deux ensembles de données, ou à comprendre la vérité derrière les normes énoncées.
Qu'est-ce que la valeur P ?
La valeur p est le test d'hypothèse utilisé pour nier le fait que les moyennes de deux échantillons n'ont pas de différence.
Alpha est le terme utilisé pour décrire une probabilité prédéterminée tandis que la valeur p est le terme utilisé pour la probabilité qui est calculée après une analyse approfondie de la population et de l'échantillon.
À l'opposé d'une hypothèse de différence nulle ou nulle se trouve la moyenne fluctuante ou alternative, dans un tel cas, si la valeur p résultante est inférieure au chiffre le plus remarquable, l'hypothèse statique est rejetée.
Dans certains cas, la même hypothèse est rejetée à tort; cela est fait dans les cas où en réalité la supposition nulle est vraie mais comme le nombre substantiel est supérieur à la valeur p, elle est rejetée.
Dans l'autre cas, l'hypothèse est acceptée à tort. Bien qu'une différence soit facilement démontrée, on pense que cela est dû à des problèmes externes et non à des mesures ou à de tels indicateurs.
Une valeur p plus petite signifie que l'impact qu'elle a sur l'ensemble de l'échantillon est d'une ampleur et d'une signification plus élevées.
Si la valeur p est d'une nature si triviale qu'il faut finalement déclarer que les moyennes n'ont pas de différence; que dans un tel cas, les tests et les résultats de l'ensemble du test sont considérés comme sans conséquence.
Principales différences entre le test T et la valeur p
Un regard ardent montre les principales différences entre le test T et la valeur P:
Conclusion
Les hypothèses concernant une population et ses contraintes sont une partie vitale de la branche analytique de la statistique, tandis que l'échantillonnage et les hypothèses sont faits au stade initial.
Le test T et le calcul de la valeur p constituent l'étape vitale après laquelle d'autres calculs sont élaborés.
Les deux premiers tests donnent une idée claire de l'échantillon sélectionné et de la population éventuelle au sujet de laquelle une hypothèse de test est développée.
Les résultats des deux tests font partie intégrante des statistiques et il est donc très important de comprendre la différence significative entre les deux.
